私募基金會買哪種公司？|數位時代 BusinessNext

私募基金近一、兩年在台灣的大規模投資活動，被不少媒體形容成是對台灣的投資環境有信心，看好他們所投資產業的前景。某家被私募基金以數百億元收購的企業老闆接受媒體採訪時，還喜不自勝地說他是「挾洋以自重」，言下之意，對於自己能被外資看上頗為得意。
根據台灣最大的財經雜誌報導，這些私募基金的資金規模十分嚇人，在台灣知名度最高的卡萊爾（Carlyle）可運用資金達十五兆元台幣，足可買下九家台積電還有找。
初讀這篇報導，我感覺這真是一個再巧妙不過的比喻了。錢多到可以買下九家台積電，為何他們卻連一家都不買呢？台積電，不是公認台灣技術最領先、管理最卓越的標竿企業之一嗎？為何他們偏偏看上在很多人眼中有點草根性的有線電視業呢？
剛剛以三百○九億元台幣買下中嘉六成股權的安博凱（ＭＢＫ），旋即向台灣的銀行團申請聯貸兩百八十億元，換句話說，安博凱只花了不到三十億自己口袋裡的錢，就買下了價值超過三百億的股權。現在金管會要求信用卡消費最低應繳金額是應繳金額的一○％，這些私募基金擴張信用的程度，甚至勝過我們在周年慶時拿信用卡去百貨公司血拚。但是因為安博凱開出的貸款利率相當不錯，台灣銀行無法消化的爛頭寸又一堆，願意借錢給安博凱的銀行還是相當踴躍。

**瞄準尚有改進空間的公司

**
我這麼寫，並不是要幫銀行擔心他們借出去的錢能不能回收。稍具企業財務運作知識的讀者應該都可以理解，借這麼多錢來投資或是經營一家公司，短期救急還可以，長期借貸就等於是在冒高風險幫銀行打工了，這些對財務比我們還精明千百倍的私募基金業者當然不可能不知道。（台灣的國家通訊傳播委員會在交易過程中，要求承購中嘉股權的公司要有「長期投資台灣有線電視數位化的決心」，我倒是看得嘖嘖稱奇。）
這類私募基金的資金來源與結構，其實已注定了他們不會長期投資一家公司（但也不是短線進出型的投資），而是短則兩、三年，最長也不會超過十年的中期投資。哪一種公司能讓他們在這樣的期間內獲利最豐厚呢？答曰：「還有改進空間的公司。」
私募基金找的公司，要不是價值被低估的公司（如果是多部門公司，他們可以買來以後拆解，彰顯各單位的財務價值；或是合併數個公司，讓他們更有規模經濟與壟斷性），就是管理運作績效還有待加強的企業（有裁員、撤換經理人等手法）。
私募基金為何不投資台積電？因為他們的本事，從台積電這種公司榨不出油水了。私募基金買的是哪種公司？我必須誠實但是也有點殘酷地說，是不怎麼樣的公司，他們加點工或是改換包裝一下就能重新上市的公司。
從這個角度來看，私募基金大舉投資台灣的企業未必是壞事（改善營運績效的那一面），但如果說這種投資是看好台灣的投資環境或是特定產業的前景，卻又是與事實相去甚遠了。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。